數據要素視角下創新中小微企業信貸風險評估方式的實踐路徑

摘 要：中小微企業是支撐國民經濟的重要力量，對于穩定增長、擴大就業、促進創新具有重要意義。中小微企業本身的信用信息缺失嚴重，且信用風險較高，其發展受到融資難、融資貴等因素的限制。隨著數字經濟的蓬勃發展，數據作為新型生產要素正賦能各行各業，不斷發揮其特有的創新驅動作用。因此，本文通過分析中小微企業信貸風險評估方式的研究現狀和數據要素的特點，剖析數據要素驅動中小微企業信貸風險評估方式創新的現實問題與實踐路徑具有極強的現實意義。研究發現，數據要素驅動中小微企業信貸風險評估方式創新作用形成主要面臨信用風險評估體系創新不足、銀行與中小微企業間的信息不對稱以及數據孤島和信息系統建設不全面的問題。為此，本文提出應構建數據驅動的中小微企業信貸風險評估模型、優化中小微企業數據管控和動態預警機制、加強數據安全和信息系統建設，為中小微企業創造良好的融資環境，促進信貸業務的可持續發展，實現銀企共贏。

關鍵詞：新生產要素；中小微企業；信貸風險評估；數據信息；數字普惠金融

中圖分類號：F276.3 文獻標識碼：A 文章編號：2096-0298（2024）09（b）--05

1 理論基礎及文獻綜述

1.1 中小微企業信貸風險評估方式的研究現狀

隨著科技的飛速發展，金融行業正日益融入人工智能、云計算及大數據等尖端信息技術的浪潮中，這些前沿技術正逐步滲透并重塑金融業的多個維度與環節。其中，數字普惠金融作為金融科技的重要分支，致力于通過技術手段降低金融服務門檻，提高金融服務的覆蓋率和可得性，特別是針對中小微企業和個體工商戶等長尾客戶群體。然而，這些企業通常缺乏完善的財務報表和信用記錄，導致傳統金融機構在為其提供貸款時面臨較大的信用評估和風險控制挑戰。因此，創新中小微企業信貸風險評估方式，建立健全風險管控及預警機制顯得尤為迫切。

本文通過對中小微企業進行信用風險評估，不僅可以了解企業的經營狀況、財務狀況及信用歷史，以幫助企業和銀行更好地識別風險，防范風險，還可以幫助銀行更好地為那些信用評價等級高的中小微企業提供便捷的服務，從而幫助中小微企業減少融資成本，提高融資通過率，降低信用風險。

在企業信用評估方面，傳統的金融機構會根據中小微企業提供的經營狀況、財務狀況等方面綜合評價。Fitzpatridk（1932）[1]是最早研究企業風險評估的學者，其提出的一系列早期信用風險評估模型，為后續的企業信用評估研究奠定了堅實的理論基礎。隨著機器學習的不斷興起，許多學者將其應用于企業信用評估領域中。Lingyun Song等（2024）[2]提出了一個多結構級聯圖神經網絡框架（MS-CGNN）用于企業信用風險評估，實驗結果表明，MS - CGNN在真實的ECR數據集上取得了最先進的性能。王培培等（2024）[3]利用KMV-CatBoost算法訓練企業信用債券違約風險評估模型，增強了模型的泛化能力，提高風險識別的準確率。劉思佳等（2024）[4]建立了麻雀搜索優化支持向量機（SSA-SVM）互聯網上市企業信用評估模型，與傳統支持向量機、邏輯回歸、隨機森林模型進行對比，實驗結果表明SSA-SVM模型最優。

不僅如此，許多學者專門對中小微企業的信用風險評估進行了相關研究，因中小微企業與銀行之間的信息不對稱以及潛在的道德風險等諸多問題，導致中小微企業面臨融資難的困境。如何有效評估中小微企業的信用風險是化解這一難題的關鍵。陳繼強等（2022）[5]提出了一種基于模糊信息分解的中小微企業信用評估組合模型，并結合XGBoost模型和Logistic回歸模型，使其具有較高的分類性能和良好可解釋能力；李淑錦等（2022）[6]為研究宏觀經濟變量，采用彈性網絡和動態COX構建ENet-COX模型評估中小微企業信用風險，實驗結果表明模型準確度高達86.63%；Minhuan Gong（2017）[7]采用模糊神經網絡對中小微企業信用評級模型進行了研究，測試結果顯示，其建模過程比BP神經網絡更準確，測試結果更優。

1.2 數據要素的定義、特征及作用

當前，數據要素作為新型生產要素，是實現產業數字化、智能化的基礎，數據應用已經融入社會服務和企業生產的各個環節。2022年12月，中共中央、國務院發布了被稱為“數據二十條”的《關于構建數據基礎制度更好發揮數據要素作用的意見》以及2023年國家數據局成立以來，數據產權分置制度和公共數據授權運營機制日漸明晰，也為釋放數據要素潛力奠定了良好的制度基礎。

當前研究多聚焦于數據資源、數據資產以及數據資本等概念解析基礎上，進一步分析“數據”作為新時代“生產要素”所具有的獨特屬性與特征[8]。中國信息通信研究院發布的《數據要素白皮書》[9]明確指出，“數據要素”這一概念在數字經濟語境下，是指為滿足特定生產需求，經過匯聚、整理及深度加工處理后的計算機數據資源及其所衍生的各種形態。這一界定強調了數據在數字經濟中的核心地位及其作為關鍵生產要素的轉化過程。目前，學界普遍認為數據要素具有虛擬性、價值不確定性、正外部性、非競爭性、動態演變性五大特征[10]。一是虛擬性。區別于資本、勞動力、土地等傳統要素，數據要素在形態上呈現出虛擬性。二是價值不確定性。受到數據準確性和完整性的影響，數據的價值是不確定的，其依賴于多個參與主體協同合作、共享開放的數據生態系統。在這其中，數據的價值會受到整個環境和各個參與主體的影響。三是正外部性。當產品或服務的價值隨著越來越多的人使用而增加時，就會產生網絡效應。網絡效應是指一種產品或服務的價值隨著越來越多的用戶采用而增加的現象，數據的網絡效應可以給所有用戶帶來數據使用的良性循環。四是非競爭性。一個企業公開合法的經營數據、歷史信用數據不是排他的，可以同時授權給多個主體使用。五是動態演變性。與傳統要素不同，數據可以通過創新和新技術來改造和提高，并且數據是實時更新的，歷史數據的價值可能會隨著時間的推移而改變，這取決于數據的類型和市場需求。

2024年初，國家數據局等部門印發“數據要素×”三年行動計劃，旨在加速推動數據在包括金融服務在內的12個關鍵領域內的深度融合與應用拓展。在金融服務領域，數據作為生產要素在信貸類和支付類金融服務中具有極強的應用價值和創新潛力，銀行可充分利用數據要素進行信用風險評估，將數據要素價值轉化為信用價值，創造適應中小微企業需求的金融產品，并且借助數據要素向中小微企業更精準地投放普惠金融產品，可有效提高金融服務效率，激發各類市場主體活力，促進金融有效支持實體經濟。中小微企業信貸業務是數字普惠金融的重要組成部分，且目前中小微企業信貸風險評估方式具有較大的創新空間，本文從數據要素視角出發，探討數據要素驅動中小微企業信貸風險評估方式創新的現實問題與實踐路徑。

2 數據要素視角下創新中小微企業信貸風險評估方式的現實問題

2.1 信用風險評估體系創新不足

中小微企業的信貸需求具有“短期、小額、分散”的特點，且中小微企業對資金流動性的要求更高。中小微貸款業務顯著特征在于其經營模式的多元化。相較于銀行提供的其他金融服務，中小微企業貸款項目通常呈現金額較小但伴隨較高經營風險的特點。因此，能否在信用風險評估體系上實現突破性創新，以有效管理和降低信貸風險，成為推動中小微企業信貸業務穩健發展的關鍵。

當前，我國許多商業銀行對中小微企業的信貸評估還是參照大型企業相關指標作為審核標準。在傳統觀念中，大型企業通常擁有穩定的經營狀況和較強的還款能力，因此被視為銀行的優質客戶。相比之下，中小微企業由于規模較小、經營不穩定、信息透明度不高等原因，往往難以獲得銀行的青睞。為了簡化操作流程和降低風險，商業銀行往往采用統一的信貸評估標準，將中小微企業與大型企業置于同一框架下進行評估。

因大多數中小微企業的財務狀況、經營規模和盈利能力很難達到銀行放貸標準，這種無差異化的信貸管理模式一方面導致中小微企業貸款的可獲得性較差，大量有發展潛力的中小微企業被排除在信貸市場之外，從而限制了其成長和擴張。此外，中小微企業通常缺乏足夠的抵押品和擔保，在申請貸款時面臨更高的門檻和更嚴格的審核條件，進一步加劇了融資難、融資貴的問題。

另一方面，未充分考慮中小微企D23XkvbIvYJapx/mU5bD0A==業獨特的發展特點和風險特征，中小微企業通常具有靈活性高、創新性強、市場適應能力強等優勢，但同時面臨著經營不穩定、信息不對稱、抗風險能力弱等挑戰。銀行在評估中小微企業信用風險時，如果僅依賴傳統的財務指標和抵押擔保手段，很難全面準確地反映其真實風險情況。這種評估方法的局限性可能導致銀行對中小微企業的信貸決策過于保守或過于激進，從而增加了信貸風險。

2.2 銀行與中小微企業間的信息不對稱

在銀行與中小微企業之間的信貸業務中，信息不對稱是一個長期存在且顯著影響信貸風險的核心問題。這一問題不僅源于兩者在資金運作中的不同角色和地位，還涉及市場環境、制度設計、技術限制等多方面因素。

首先，銀行與中小微企業間雙方角色和地位不對等。中小微企業作為資金的實際使用者，對項目的運營情況、資金的具體流向、還款意愿、潛在風險以及企業的財務狀況等信息有著最直接的掌握。這些信息對于銀行來說，是評估信貸風險、確定貸款額度、制定還款計劃的重要依據。然而，銀行無法直接參與或完全監控資金的具體運作，它們往往只能依賴企業提供的財務報表、經營計劃等有限的信息來做出決策。這種信息獲取的不對等性，使得銀行在信貸業務中處于相對弱勢的地位。

其次，市場環境的變化是導致信息不對稱的重要原因。在競爭激烈的市場環境中，中小微企業為了獲得更多的資金支持，可能會故意隱瞞或虛報相關信息，以獲取更有利的貸款條件。同時，一些企業還可能利用信息不對稱的漏洞，進行非法融資、違規操作等行為，進一步加劇了信息不對稱的程度。

再次，制度設計的不完善是導致信息不對稱的重要因素。一方面，我國尚未建立起完善的信用體系，企業信用信息的收集、整理、共享等方面存在諸多障礙，使得銀行難以獲取全面的企業信用信息[11]。另一方面，銀行在信貸業務中的風險管理和內部控制也存在不足，缺乏有效的風險識別和評估機制，難以準確判斷企業的還款能力和風險水平。

最后，技術限制是導致信息不對稱的一個重要原因。盡管近年來金融科技的發展為銀行提供了更多的信息獲取手段，但由于技術門檻高、投入成本大等原因，許多銀行在信息技術方面的投入仍然不足，難以充分利用大數據、人工智能等先進技術來分析和評估企業的信用狀況。

2.3 數據孤島和信息系統建設不全面

中小微企業的運營狀況和盈虧數據是銀行信貸風險評估中的核心考量因素，這些數據作為新興的生產資料，其共享與流通特性對于信貸決策至關重要。然而，當前商業銀行內部的信息管理體系尚不完善，這阻礙了數據的順暢流動、有效整合及深度利用。中小微企業貸款的風險管理方面，銀行尚未構建起專門針對這類企業運營特征的數據庫系統，導致難以實時監控與追蹤其數據動態，進而限制了利用大數據技術進行風險量化分析的能力。此外，貸后管理環節也因缺乏對企業經營數據的深度整合與分析，使得銀行信息系統的風險預警功能顯得不夠精準與科學，從而在一定程度上制約了銀行對中小微貸款風險進行科學、有效的管理。

首先，中小微企業的經營數據流通創新受阻。中小微企業缺乏統一的數據標準和技術規范，不同銀行和企業之間的數據格式和質量存在差異，導致數據難以實現互通互操作，形成了“數據孤島”現象，限制了數據的流通與整合，阻礙了跨企業、跨領域的協作與創新。同時，由于缺乏數據庫支持，銀行在獲取中小微企業數據信息時存在困難，無法有效地收集、整合中小微企業的各類數據。因此，銀行在評估中小微貸款風險時，往往缺乏充分的數據支持，難以進行準確的量化型分析。

其次，商業銀行內部信息管理系統的功能不完備，特別是在中小微企業貸款風險管理領域。中小微企業因其特殊的經營模式和財務狀況，其風險特征與傳統大型企業存在顯著差異。然而，當前商業銀行的信息管理系統往往缺乏針對中小微企業的專門設計，未能充分考慮中小微企業的實際運轉狀況。這導致銀行在獲取、整理和分析小微企業數據信息時面臨諸多困難。因此，銀行在評估中小微貸款風險時，往往只能依賴于有限的、不完整的數據，這大大降低了風險評估的準確性和有效性。

最后，商業銀行在貸后管理層面上，其信息系統風險預警職能也存在不足。風險預警是信息管理系統的重要功能之一，它能夠幫助銀行及時發現潛在的風險隱患，并采取相應的風險管理措施。然而，當前商業銀行的信息系統在風險預警方面還存在諸多問題。一方面，系統可能未能全面覆蓋中小微貸款的風險點，導致某些潛在風險被忽視；另一方面，系統的預警機制可能不夠科學、不夠精準，無法準確反映中小微貸款風險的實際情況。這在一定程度上制約了商業銀行對中小微貸款風險的科學管理。

3 數據要素視角下創新中小微企業信貸風險評估方式的實踐路徑

3.1 構建數據驅動的中小微企業信貸風險評估模型

數據要素作為一種新型生產要素，可以為數字普惠金融注入新動能，銀行應該全面樹立數據思維[12]，通過數據驅動提高中小微企業信貸風險評估與管理質效。

一方面，銀行可充分挖掘企業相關數據的價值信息，多維度評估企業信用，彌補傳統信貸評估方式的缺陷。高速公路通行數據作為交通數據的重要組成部分，蘊含著豐富的企業運營信息。這些數據不僅反映了企業的物流運輸活動，還間接體現了企業的生產經營狀況、市場擴張能力和信用水平。采用機器學習、數據挖掘等技術，將人車關系核驗、車輛信息核驗、高速通行費查詢、ETC拉黑停卡次數查詢等轉化為評估企業信用的依據，作為企業征信領域的一種補充，可以幫助銀行構建更為全面、更精準的信用評價體系，從而有效緩解中小微企業和個體工商戶貸款難題。因此，銀行利用高速公路通行數據對中小微企業貸款客戶進行信用評估和風險控制，成為交通數據要素在數字普惠金融領域的重要應用之一。

另一方面，銀行可整合不同的數據資源，構建智能風控模型，并利用數據要素優化信貸流程降本增效。銀行可以通過整合收集到的企業運營數據、財務數據、市場數據、供應鏈數據以及特定行業數據（如高速公路通行數據）等，形成一個全面、多維度的數據體系。基于整合后的數據資源利用機器學習、深度學習等技術構建智能風控模型，從而更準確地評估中小微企業的信貸風險，降低不良貸款率。此外，銀行還可以利用數據要素優化信貸流程。傳統的信貸流程通常存在繁瑣、耗時長、人工干預多等問題，這不僅降低了信貸效率，還增加了業務成本。通過數據要素的應用，銀行可以實現信貸流程的自動化和智能化。例如，通過自動化審批系統，銀行可以自動完成客戶信息的錄入、審核和審批等環節，減少人工干預和等待時間，提高審批效率。

3.2 優化中小微企業數據管控和動態預警機制

以數據要素驅動中小微企業信貸風險評估方式創新，優化中小微企業數據管控和動態預警機制是其中關鍵。中小微企業的經營特性，其系統性風險十分凸顯，所以降低風險的集中度，加強數據管控，整合數據資源構建銀行的中小微企業信貸基礎數據庫十分重要。銀行可借此減少其與中小微企業之間信息不對稱的情況，加強風險管控。此外，企業辦理貸款業務后，銀行應采取多元化手段強化貸后監管工作，持續跟蹤并動態把握企業的經營動態與信用狀況變動，適時調整授信策略并采取風險預警措施，有效防范并化解潛在風險。

首先，構建中小微企業信貸基礎數據庫是加強中小微企業數據管控的關鍵。隨著云計算的快速發展，打破了傳統技術架構的高壁壘，加速創新技術的普及和應用，可幫助企業減少信息基礎設施投入、降低軟硬件運維人力成本、消除軟件合規問題、保障數據安全。“云原生”數據庫通過云計算技術，實現數據的實時更新、動態存儲和高效處理，為銀行提供全面、準確的企業信息。通過整合內外部數據資源，包括企業的經營數據、財務數據、信用記錄等，銀行能夠形成一個多維度的企業信息畫像，從而更準確地評估企業的信貸風險。這種數據庫的云原生特性使其具備高度的可擴展性和靈活性，能夠應對中小微企業復雜多變的風險狀況。

其次，強化動態預警體系是深化貸后管理、有效削減信貸風險的重要環節。對內，需構建貸后動態風險管理預警模型，此模型依托高效的數據整合與分析系統，該系統全面匯聚銀行內部資源，如資金結算、賬戶管理等部門提供的中小微企業現金流狀況、賬戶余額、交易頻率等核心數據，并結合外部市場信息進行深度剖析，以形成精準的動態風控預警機制。對外，應積極拓寬信息獲取途徑，通過建立與司法、稅務、工商等權威機構的全面信息交互平臺，實現數據共享，從而增強對客戶非現場監控的廣度與深度。這一舉措旨在實時追蹤客戶及其關聯方的最新風險動態，包括但不限于經營狀況波動、潛在風險預警信號及負面輿論等，確保信息獲取的及時性與全面性。隨后，將收集到的關鍵信息在內部進行高效流轉與共享，為后續的信貸策略調整與風險管理決策提供有力支撐[13]。

3.3 加強數據安全和信息系統建設

加強數據安全和信息系統建設是數據要素驅動中小微企業信貸風險評估方式創新的重要方式。數據安全是信貸風險評估的基石，它涵蓋了數據的完整性、保密性、可用性和可控性等方面。而信息系統建設對于加強數據安全、提升中小微企業信貸風險評估效率具有關鍵作用。一個安全、高效、穩定的信息系統能夠支持銀行快速獲取、處理和分析企業數據，提高風險評估的準確性和效率。

一方面，數字經濟時代背景下，產業數字化進程逐步推進，金融等各領域加速構建數字產業鏈，而數據安全關乎企業安全、公眾安全、國家安全。數據安全是信貸風險評估的基石，它涵蓋了數據的完整性、保密性、可用性和可控性等方面。中小微企業在信貸風險評估中，涉及大量敏感數據，如企業財務報表、經營數據、信用記錄等。這些數據的安全保障對于確保風險評估結果的準確性和可靠性至關重要。為了加強數據安全，銀行需要采取一系列措施，如建立嚴格的數據訪問權限管理、實施數據加密技術、定期進行安全審計和風險評估等。同時，銀行還需要加強員工的數據安全意識培訓，確保員工在處理敏感數據時能夠遵守相關安全規定和操作流程。

另一方面，構建一個健全且高效的信息管理體系，對于風險評估決策者而言，是獲取全面信貸風險概覽、精準把握小微企業風險態勢的關鍵。這一體系的有效性，直接關聯到銀行信貸信息收集的精準度、信息流通的順暢度以及信息內容的完整性。為此，銀行內部應秉持“科技引領、資源共享、普惠服務”的理念，構建技術創新平臺，推動業務全面數字化轉型。同時，加強內部數據管理，致力于提升數據利用效率與數據質量，確保決策基礎堅實可靠。在外部環境中，銀行需打破信息壁壘，積極融入外部數據生態系統，實現數據資源與信貸管理信息的跨界共享。通過拓寬數據收集渠道，構建數據共享與合作機制，不僅能夠顯著降低銀行在風險管理方面的成本投入，還能促進社會信用體系的進一步完善與發展，為構建更加透明、高效的經濟環境貢獻力量[14]。

4 結語

當前，數據要素是數字經濟深化發展的核心引擎，是最具時代特征的生產要素。對普惠金融而言，數據要素正驅動其提質增效、創新發展。本文通過分析中小微企業信貸風險評估方式的發展現狀和數據要素的特點，系統性剖析了數據要素驅動中小微企業信貸風險評估方式創新的現實問題，包括信用風險評估體系創新不足、銀行與中小微企業間的信息不對稱、數據孤島和信息系統建設不全面等。同時，文章創新地提出了其解決方法和實踐路徑，包括構建數據驅動的中小微企業信貸風險評估模型、優化中小微企業數據管控和動態預警機制、加強數據安全和信息系統建設等。

展望未來，銀行應在激活數據價值、賦能中小微企業方面扮演“核心引擎”的角色，主動攜手政府機關、多元企業及社會各界，共同推動數據要素技術的深度融合、業態的持續創新和技術的不斷突破，致力于打造一個健康繁榮的數據要素生態體系。在這一體系中，數據要素將作為核心驅動力，全面激發社會經濟發展的新活力，力求實現數據價值分配的帕累托最優狀態[15]，確保各參與方利益最大化。

作為數據的主要應用者，銀行應積極擁抱數據要素的紅利，不僅要在內部深化數據應用，提升服務效率與質量，還要將這份力量外溢至實體經濟，特別是聚焦于那些在中國社會主義市場經濟體系中占據重要位置的中小微企業。通過精準的數據分析與服務定制，銀行將加大對普惠金融的投入力度，確保金融服務惠及更廣泛的社會群體，助力中小微企業健康成長，共同構建一個充滿活力、高效運轉的數字化經濟新生態，為經濟的持續健康發展貢獻力量。

參考文獻

FitzpatrickPJ.AcomparisonoftheRatios of Successful Industrial Enterprises with those of Failed Companies[J].Certified PublicAccountant，1932（2）：598-729.

Lingyun S ，Haodong L， Yacong T， et al.Enhancing Enterprise Credit Risk Assessment with Cascaded Multi-level Graph Representation Learning[J].Neural Networks，2024，169475-484.

王培培，周小平，陳佳佳，等.基于KMV-CatBoost增強的企業信用債券違約風險評估模型[J].上海師范大學學報（自然科學版中英文），2024，53（2）：247-253.

劉思佳，陳英偉，梁亞玲.基于SSA-SVM模型的我國互聯網上市企業的風險評估[J].內蒙古科技與經濟，2024（2）：83-86.

陳繼強，張峰，張麗娜，等.基于模糊信息分解的中小微企業信用評估組合模型[J].模糊系統與數學，2022，36（5）：142-150.

李淑錦，吳王瀅.基于ENet-COX模型的中小企業信用風險評估研究[J].杭州電子科技大學學報（社會科學版），2022，18（3）：32-40.

Gong M .Research and application of credit rating model in small and micro enterprises based on fuzzy neural network[J].Journal of Discrete Mathematical Sciences and Cryptography，2017，20（4）：817-834.

王雪，夏義堃，裴雷.國內外數據要素市場研究進展：系統性文獻綜述[J].圖書情報知識，2023，40（6）：117-128.

中國信息通信研究院.數據要素白皮書（2022）[R/OL].[2023-03-20].www-caict-ac-cn-s.hutb.yitlink.com：8444/kxyj/qwfb/bps/202301/t20230107_413788.htm.（China Academy of Information and Communication Technology.Data Elements White Paper（2022）[R/OL].[2023-03-20].www-caict-ac-cn-s.hutb.yitlink.com：8444/kxyj/qwfb/bps/202301/t20230107_413788.htm.）

張明，路先鋒，吳雨桐.數據要素經濟學：特征、確權、定價與交易[J].經濟學家，2024（4）：35-44.

劉星.信用體系建設與商業銀行健康發展探究[J].投資與創業，2024，35（5）：188-190.

孫海丹.大數據時代小微企業財務風險預警機制與實踐探析[J].河北企業，2024（5）：87-89.

陳應棋，沈庭芝.淺談我國商業銀行貸后管理現狀與應對策略[J].商業經濟，2023（11）：181-183.

白文元.數字化轉型下商業銀行小微企業信貸風險管理研究[J].金融文壇，2023（8）：88-90.

曹建秀，葉穎豪，林志聰.數據要素賦能銀行數字化發展實踐與探究[J].金融科技時代，2024，32（4）：6-11.